這次使用 Keras 建立 CNN 疊代模型，來辨識 CIFAR-10 影像資料。
CIFAR-10 是 32*32 的 RGB 彩色圖形，包含飛機、狗、貓等 10 個類別，可以視為 MNIST 的進階挑戰版。
在數據預處理 (Preprocess) 階段，流程與 MNIST 類似，包括標準化與 One-hot encoding。
模型架構：
- 卷積層 (Convolution)：兩層，選用 3*3 Kernel，Same padding。
- 池化層 (Max-pooling)：2*2 大小。
- 全連接層 (Dense)：由 4096 降至 1024，最後輸出 10 個類別。
可以觀察 Keras 與 TensorFlow 在參數表現與語法上的些微差异。
利用 pandas 建立混淆矩陣 (Confusion Matrix)，分析模型是否在特定類別間產生混淆。
從矩陣中可以看出：
- 第 3 類 (cat) 與第 5 類 (dog) 較容易混淆。
- 動物類與交通工具類之間區分得相當清楚。
兩層 CNN 準確率：0.732